Contourlet与小波矩支持向量机目标识别系统

"这篇硕士论文由苏航撰写，专业为模式识别与智能系统，导师为夏良正，发表于2007年3月，东南大学。论文主要研究了基于小波分析和支持向量机的目标识别技术，通过Contourlet变换和小波矩提取目标方向特征，再结合支持向量机构建了一个多类目标识别系统，实验中成功识别了四类飞机目标，取得了良好的识别效果。" 在自动目标识别（Automatic Target Recognition，ATR）这一关键的军事技术领域，传统的识别方法往往难以满足需求。小波分析由于其在时间和频率域上的局部化特性，已成为信号处理和图像分析的重要工具。它能有效地分解复杂信号，提供丰富的多尺度信息。而不变矩，特别是小波矩，因其对噪声的抵抗力和对目标几何变换的不变性，在目标识别中广泛应用。 论文首先探讨了Contourlet变换，这是一种多方向分解方法，比传统小波变换更能精确地捕捉图像的方向信息。然后，论文对比了描述全局特性的Hu矩和局部特性的小波矩，讨论了它们在不变性方面的优缺点。小波矩能更细致地描述目标的局部结构，这在某些情况下可能更为重要。 支持向量机（Support Vector Machine, SVM）作为一种强大的分类工具，其核心在于选择合适的核函数和确定合适的惩罚系数。论文深入研究了SVM的这些参数选择策略，以及SVM与小波神经网络的识别性能。SVM通过构造最大边距超平面，能够在高维空间中找到最佳分类边界，尤其适合小样本和非线性问题。 最后，论文将Contourlet变换得到的方向特征与小波矩相结合，输入到支持向量机中，构建了一种新的自动目标识别系统。实验结果证明，这个系统对于多类目标的识别有显著的效果，表明了这种方法的有效性和实用性。 关键词包括：自动目标识别、小波分析、Contourlet变换、小波矩、小波神经网络、支持向量机。这些关键术语代表了论文研究的核心内容和技术手段，反映了作者在这些领域的深入理解和应用。